Agents conversationnels

The Conversational Agent node runs an LLM-driven turn in a chat conversation, looping through reasoning and tool-calls and streaming them to the chat.

Ce qu’il fait

Runs a single turn of a conversational AI agent that you author in the canvas. You configure a model, instructions, and tools, then pass in the conversation context (which includes the chat history) emitted from a Wait for Message node. The agent performs a loop of reasoning and tool-calls, streaming them to the chat.

Remarque :

The agent can only reply within an exchange that a user has initiated, which means the user must send a message first before a conversational agent node can run. Flow-initiated exchanges — sending a message without a prior user turn — are not yet supported.

Quand l’utiliser

Contexte	Utiliser (Use)
You need an LLM-driven, streamed conversational response, with possible tool-calls.	Agents conversationnels
You need a deterministic reply in the conversation (no LLM).	Envoyer message
You need an LLM-driven execution with possible tool-calls, but without streaming to the conversation.	Agent autonome

Remarque :

Since the Conversational Agent node streams and appends its response to the chat automatically, you do not need to use Send Message to emit the agent's response to the conversation.

Visit build a chat agent workflow for a step-by-step example that combines Conversational Agent nodes with the other Chat nodes.

Ajouter un agent

Ajoutez le nœud, puis configurez-le dans le panneau Propriétés.

1. Sélectionnez le bouton + sur une gestion de sortie, ou ouvrez la palette de nœuds dans la barre d'outils inférieure.
2. Select the Agent category, then Conversational Agent. Flow adds the node and opens its properties panel.
3. Configure the model, system prompt, and the conversation context binding, as described below.

Result: The Conversational Agent node is added to the canvas with its properties panel open, ready to configure.

Référence de la configuration

Champ	Requis	Default	Description
Modèle	Non (No)	Modèle d'agent par défaut de l'organisation	Le modèle LLM (Large Language Model) utilisé par l’agent. Sélectionnez un modèle dans le sélecteur, qui répertorie les modèles disponibles pour votre organisation.
Requête système	Oui (Yes)	Aucun (None)	The agent's role and standing instructions: who it is and how it should behave. Applies to every turn of the conversation, so write durable guidance — e.g. persona, tone, goals, and when to call tools.
Température	Non (No)	0	Échantillonnage du caractère aléatoire, de 0 à 1. Des valeurs plus faibles rendent les réponses plus déterministes; des valeurs plus élevées rendent les réponses plus diversifiées ou créatives.
Nombre max. de jetons par réponse	Non (No)	8192	Maximum length of each model response within a turn. The ceiling depends on the selected model.
Conversation context	Oui (Yes)	Aucun (None)	The conversation context object — containing the chat history — from an upstream Wait for Message, e.g. $vars.waitForMessage1.output.conversationContext

Variables de sortie

In addition to the agent's conversational response, you may optionally configure structured output variables in the Outputs section of the properties panel.

These outputs are not seen by the user in the chat — instead, they are useful for setting goal-oriented or routing variables to use in downstream nodes within the Flow.

Each output variable you declare becomes a field on the agent's output object, referenced as $vars.<agentName>.output.<name>. Give each one a name and a type, then instruct the agent in the variable's Description field how to populate it.

Important :

Generation of the agent's conversational responses is driven by only its system prompt, while generation of the agent's outputs are driven by a combination of its system prompt and the output variable descriptions. To ensure the agent doesn't emit structured output data into the chat, use the system prompt to tell the agent how to respond in the chat, while using the output descriptions to instruct the agent how to fill in the outputs.

Par exemple :

System prompt: "Thank the user when they would like to end the conversation."

Output variable: endConversation (boolean). Description: "Set to true when the user intends to end the conversation."

Ramification sur le résultat

Follow the agent with a Decision or Switch to route on a structured output field. For example:

Wait for Message → Conversational Agent (supervisor) → Switch on $vars.agent.output.intent
  → 'intent-a':  Route to a loop with specialist conversational agent A
  → 'intent-b':  Route to a loop with specialist conversational agent B
  → 'off-topic': Send Message ("Message is off-topic") → back to first Wait for Message.

Ressources

A Conversational Agent composes with resource nodes you connect to its handles. The node has three resource handles, each with its own label in the canvas: Tools, Context, and Escalations. Connect a resource to a handle, then configure that resource in its own properties panel. The resources travel with the flow.

Chaque handle accepte uniquement son type de ressource correspondant. La zone de dessin bloque les connexions qui ne correspondent pas, vous ne pouvez donc pas, par exemple, connecter un outil à la gestion du contexte.

Outils

Connectez des outils au handle Outils pour donner à l’agent les fonctionnalités qu’il peut appeler lors du raisonnement. L’agent décide pendant sa boucle s’il faut appeler chaque outil connecté. Chaque outil comporte une description qui indique à l'agent à quoi sert l'outil, alors écrivez des descriptions claires lorsqu'un outil en expose un.

Les types d'outils que vous pouvez connecter sont les suivants:

• Outils intégrés, trois outils prêts à l'emploi décrits ci-dessous.
• Outils de connecteur, qui permettent à l’agent d’appeler une opération Integration Service, par exemple l’envoi d’un e-mail ou la création d’un enregistrement dans un système en aval.
• Les outils de workflow RPA et de fonction d’API , qui permettent à l’agent d’invoquer un processus RPA ou un workflow d’API publié en tant qu’outil.
• Les outils de serveur MCP , qui exposent les outils publiés sur un serveur MCP.

Outils intégrés

Trois outils intégrés sont livrés avec Flow. Chacune est une ressource autonome que vous connectez à la gestion des outils et configurez dans son propre panneau.

• Analyser les fichiers: analyse un ou plusieurs fichiers avec un LLM pour extraire, synthétiser ou répondre à des questions sur leur contenu. Décrivez les fichiers que l’agent transmettra et la tâche d’analyse à exécuter sur ces derniers.
• Transformation par lots: traite et transforme un fichier CSV ligne par ligne. Fournissez le fichier source, décrivez la tâche par ligne et définissez les colonnes de sortie ajoutées par l'outil. Vous pouvez activer ou désactiver l’ancrage de la recherche Web pour la transformation.
• Résumer: produit une synthèse de documents (jusqu’à 1 000 pages) avec des citations. Fournissez la source, décrivez ce qu’il faut synthétiser et choisissez l’extension de fichier. Lorsque la source est un PDF, vous pouvez activer ou désactiver les citations.

Outils de serveur MCP

Connectez un serveur de protocole de contexte de modèle pour exposer ses outils à l'agent. La sélection d’un ou plusieurs outils sur le serveur ajoute une section Configuration de l’outil sous le sélecteur d’outil, avec un panneau extensible par outil. Dans ce panneau, vous pouvez modifier la description de chaque argument, afficher le schéma complet d'entrée et de sortie de l'outil et choisir comment l'argument obtient sa valeur: l'agent décide au moment de l'exécution, la valeur est liée à une variable d'agent dans l'étendue ou la valeur est corrigé (et éventuellement marqué comme sensible).

La liste des outils d'un serveur MCP peut provenir de deux modes de découverte:

• Mis en cache: prend un instantané des outils du serveur lorsque le serveur est connecté. Utilisez les outils d'actualisation sur le serveur pour extraire un instantané mis à jour à la demande.
  • Par défaut, le bouton bascule Actualiser le schéma avant l'appel dans le panneau de configuration d'un outil vérifie à nouveau le schéma actuel du serveur sur le serveur juste avant chaque appel, de sorte qu'une modification de schéma sur le serveur (un paramètre renommé ou ajouté, par exemple) ne nécessite pas une actualisation manuelle. Lorsqu’il est désactivé, l’outil utilise toujours le schéma du dernier instantané.
• Dynamique: découvre les outils au moment de l'exécution à chaque appel, y compris les outils ajoutés au serveur après la configuration du nœud.

Pour les serveurs MCP distants, l’actualisation interroge le point de terminaison de découverte du serveur pour les achèvements asynchrones. Pour les serveurs MCP de la plateforme - les services natifs UiPath tels que Document Understanding - la liste des outils provient plutôt du catalogue de services de la plateforme UiPath.

If no MCP server is connected yet, add one from the node palette's MCP server entry. The Create new options group server creation by subtype — Platform, Remote, Command, Coded, and UiPath. Selecting Platform opens a dialog to create the server within the current solution, when supported by your environment; the other subtypes open the corresponding creation page in Orchestrator. For more details, see About MCP Servers.

Remarque :

The inline Conversational Agent node does not yet support personal connections, client-side tools, or tool-call confirmations. To use these, build the agent in Agent Builder and import it as a node in your Flow.

Context

Connectez une ressource de contexte au handle de contexte pour ancrer l’agent dans vos données. L'agent s'appuie sur ces données d'ancrage lors du raisonnement au lieu de s'appuyer sur le modèle seul. Une ressource de contexte pointe vers un index de contexte dans votre organisation.

Configurez la façon dont l’agent récupère à partir de l’index, y compris le mode de récupération (sémantique, structuré, DeepRAG ou transformation par lots), la requête, le nombre de résultats à renvoyer, un seuil de pertinence et s’il faut inclure des citations. Pour créer un nouvel index de contexte, utilisez l'action Créer un nouveau contexte dans le panneau d'ajout du handle, qui ouvre la création d'un index dans un nouvel onglet.

Escalade

Connectez le handle des escalades pour acheminer vers une personne lorsque l’agent atteint un incident qu’il ne devrait pas décider seul. L’agent se met en pause, un humain agit sur l’escalade, et l’agent reprend avec le résultat. Vous pouvez associer l’une ou l’autre de ces deux ressources d’escalade:

• Escalade: redirige vers une tâche d'application d'action. Configurer l’application d’action, les destinataires, les notifications, les entrées transmises à l’application et la façon dont le résultat de l’application est mappé à l’agent.
• Escalade d'application d'action: redirige vers une application d'action codée, avec les mêmes destinataires, la même notification, la même entrée et la même configuration de mappage de résultat.

Both escalation resources are configured the same way. Choose Action App Escalation when your escalation target is a coded action app rather than a standard action app.

Important :

An escalation from a Conversational Agent blocks the conversation turn — the user is left waiting on the chat surface until the human acts. For long-running approvals or hand-offs where the conversation should keep moving, run a Human Task from a parallel branch instead, so the chat can continue while the approval happens in the background.

Problèmes couramment rencontrés

An input validation error appears before you can debug. The Model, System prompt, and Conversation Context are all required. The node reports a validation error until each one is set.

The chat blocks for a long time after the agent triggers an escalation. Escalations attached directly to the agent pause the entire turn until the human acts. For long-running approvals, move the human step to a parallel Human Task branch that runs alongside the conversation instead.

Un outil de transformation par lots connecté signale une erreur de validation. La transformation par lots nécessite au moins une colonne de sortie. Définissez les colonnes que l’outil doit ajouter avant de déboguer le flux.

Pages liées

• Wait for Message — provides the conversation context this node consumes.
• Send Message — deterministic (non-LLM) response alternative.
• Chat — full palette of chat conversational nodes.
• Build a chat agent workflow — end-to-end walkthrough that combines a supervisor and specialists.
• Chat deployment — publish and expose the Flow through various channels.
• Autonomous Agent — task-executing LLM-driven loop without streaming to the conversation.